解释区域图的主要结果

请完成以下步骤来解释区域图。

步骤 1:查看每个变量对和的贡献

Minitab 参照 x 轴上均匀相隔的时间间隔在 y 轴上绘制堆叠的多个时间序列。图形上的每条线都表示累积和;因此您可以查看每个变量对和的贡献,以及和的构成在一段时间内如何变化。

以下区域图显示五年(60 个月)内三个行业的就业情况。贸易行业对三个行业的总就业数贡献最大。食物和金属对总就业数的贡献较小,两者合起来所占比例大约相当于贸易。

步骤 2:研究异常值和突然偏移

请使用您的过程知识或领域专业知识来确定异常值或突然偏移是否指示存在错误或由于某种原因而产生的实际变化。

异常值

研究异常的观测值,也称作异常值。请尝试识别任何异常值的原因,并更正任何数据输入错误或测量错误。请考虑删除与一次性异常事件(也称作特殊原因)关联的数据值。

以下销量区域图显示由于数据输入错误导致的区域 3 的异常值。一名销售经理在工作表中意外地输入了月度销售量值 945,000,而不是 445,000。

突然偏移

研究序列中的突然偏移或趋势的突然变化。请尝试识别此类变化的原因。

以下生产成本区域图显示 2015 年初设施 2 成本的突然偏移。您应该探讨该偏移的原因。

步骤 3:评估序列的常规变动

周期性变动或季节性模式

研究周期性变动或季节性模式。季节性模式是指在相同期限内数据值有规律地重复升高和降低。例如,某家汽车部件商店的订单数在每个星期一很低,在一个星期中不断增加,在每个星期五达到峰值。季节性模式总是具有固定和已知的期限。对比而言,季节性变动是数据值看起来不以有规律的间隔重复升高和降低。通常而言,周期性变动期限更长,且比季节性模式变动性更强。

以下区域图显示,食品行业的就业情况(与金属制品行业的合计构成了中间线条)表现出一定的周期性变动,在八月左右达到峰值。总体而言,所有行业的合计就业情况(顶部线条)也表现出了周期性变动,峰值出现在八月和二月左右。八月峰值至少部分是由于食品行业就业情况的周期性所致。
提示

如果您的数据显示了趋势、周期或季节性,则可以使用时间序列分析来对数据进行建模并生成预测。有关要使用哪个分析的更多信息,请转到应当使用哪些时间序列分析?

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策